Course Overview

Para entender cómo organizaciones como Google, Amazon e incluso Udemy utilizan el Machine Learning y la inteligencia artificial (IA) para extraer el significado y los conocimientos de enormes conjuntos de datos , este curso de Machine Learning te proporciona lo esencial. Según Glassdoor y Indeed, los científicos de datos ganaron un sueldo medio de 120.000 dólares, ¡y eso es solo la norma! 

Cuando se trata de ser atractivo, los científicos de datos ya lo son. En un mercado laboral altamente competitivo, es difícil retenerlos una vez contratados. Las personas con una mezcla única de formación científica, experiencia informática y capacidad de análisis son difíciles de encontrar. Al igual que los "quants" de Wall Street de los años ochenta y noventa, se espera que los científicos de datos de hoy en día tengan un conjunto de habilidades similares. Las personas con formación en física y matemáticas acudieron a los bancos de inversión ya los fondos de cobertura en aquella época porque pudieron idear algoritmos y métodos de datos novedosos. Dicho esto, la ciencia de los datos se está convirtiendo en una de las ocupaciones más adecuadas para el éxito en el siglo XXI. Se trata de una profesión informatizada, basada en la programación y de naturaleza analítica. Por lo tanto, no es de extrañar que la necesidad de científicos de datos haya preocupado en el mercado laboral en los últimos años. La oferta, en cambio, ha sido bastante restringida. Es un reto conseguir los conocimientos y habilidades necesarios para ser contratado como científico de datos . 

En este curso, las notaciones y matemáticas la jerga se reducen a lo más básico, cada tema se explica en un lenguaje sencillo, lo que facilita su comprensión. Una vez que tengas en tus manos el código, podrás jugar con él y construir sobre él. El énfasis de este curso está en entender y usar estos algoritmos en el mundo real , no en un contexto teórico o académico. Saldrás de cada vídeo con una nueva idea que podrás poner en práctica de inmediato. Todos los niveles de habilidad son bienvenidos en este curso, e incluso si no tienes experiencia estadística previa, ¡podrás tener éxito! 

What You Will Learn

  • Aprender a programar en Python y Scikit learn aplicado a la regresión de Machine Learning
  • Aprender a resolver problemas de regresión (regresión lineal y regresión logística)
  • Aprenda las matemáticas que hay detrás de los árboles de decisión
  • Comprender la teoría subyacente a las técnicas de regresión lineal simple y múltiple
  • Aprenda la teoría y la aplicación práctica de la regresión logística con sklearn
  • Conozca los diferentes algoritmos de agrupación

Program Curriculum

  • Aplicaciones del Machine Learning
  • Métodos de Machine Learning
  • ¿Qué es el aprendizaje Supervisado?
  • ¿Qué es el aprendizaje No Supervisado?
  • Aprendizaje Supervisado vs. aprendizaje No Supervisado
  • Capítulo 1 Quiz

  • Introducción
  • Bibliotecas Python para Machine Learning
  • Configuración de Python
  • ¿Qué es Jupyter?
  • Instalación de Anaconda Windows Mac
  • Implementación de Python en Jupyter
  • Gestión de directorios en Jupyter Notebook
  • Capítulo 2 Quiz

  • Introducción a la Regresión
  • ¿Cómo funciona la Regresión Lineal?
  • Representación Lineal
  • Implementación en Python: Importación de bibliotecas y conjuntos de datos
  • Implementación en Python: Distribución de los datos
  • Implementación en Python: Creación de un objeto de regresión lineal
  • Capítulo 3 Quiz

  • Comprender la Regresión Lineal Múltiple
  • Implementación en Python: Exploración del conjunto de datos
  • Implementación en Python: Codificación de datos categóricos
  • Implementación en Python: División de los datos en conjuntos de ensayo y prueba
  • Implementación en Python: Entrenamiento del modelo en conjunto de entrenamiento
  • Implementación en Python: Predicción de los resultados del conjunto de prueba
  • Evaluación del rendimiento del modelo de regresión
  • Error Cuadrático Medio en Python
  • Capítulo 4 Quiz

  • Introducción a la Clasificación
  • Algoritmo K-Nearest Neighbors
  • Ejemplo de KNN
  • K-Nearest Neighbours (KNN) con python
  • Implementación en Python: Importación de las bibliotecas necesarias
  • Implementación en Python: Importación del conjunto de datos
  • Implementación en Python: División de los datos en conjuntos de ensayo y prueba
  • Implementación en Python: Escalado de características
  • Implementación en Python: Importación del clasificador KNN
  • Implementación en Python: Predicción de resultados y matriz de confusión
  • Capítulo 5 Quiz

  • Introducción a los Árboles de Decisión
  • ¿Qué es la Entropía?
  • Exploración del conjunto de datos
  • Estructura del Árbol de Decisión
  • Implementación en Python: Importación de bibliotecas y conjuntos de datos
  • Implementación en Python: Codificación de datos categóricos
  • Implementación en Python: División de datos en conjuntos entrenamiento y prueba
  • Implementación en Python: Predicción de resultados y precisión
  • Capítulo 6 Quiz

  • Introducción
  • Pasos de implementación
  • Implementación en Python: Importación de bibliotecas y conjuntos de datos
  • Implementación en Python: División de los datos en conjuntos de ensayo y prueba
  • Implementación en Python: Pre-procesamiento
  • Implementación en Python: Entrenamiento del modelo
  • Implementación en Python: Predicción de resultados y matriz de confusión
  • Regresión logística vs. Regresión lineal
  • Capítulo 7 Quiz

  • Introducción al clustering
  • Casos prácticos
  • Algoritmo de clustering K-Means
  • Método Elbow
  • Pasos del método Elbow
  • Implementación en Python
  • Clustering jerárquico
  • Clustering basado en la densidad
  • Implementación del clustering k-means en Python
  • Importación del conjunto de datos
  • Visualización del conjunto de datos
  • Definir el clasificador
  • Visualización 3D de los clusters
  • Visualización 3D de los valores predichos
  • Número de clusters predichos
  • Capítulo 8 Quiz

  • Introducción
  • El filtrado colaborativo en los sistemas de recomendación
  • Sistema de recomendación basado en contenidos
  • Implementación en Python: Importación de bibliotecas y conjuntos de datos
  • Fusión de conjuntos de datos en un marco de datos
  • Clasificación por título y puntuación
  • Histograma del número de valoraciones
  • Distribución de frecuencias
  • Gráfico conjunto de las valoraciones y el número de valoraciones
  • Preprocesamiento de datos
  • Clasificación de las películas más valoradas
  • Obtención de las valoraciones de dos películas
  • Correlación entre las películas más valoradas
  • Ordenación de los datos por correlación
  • Filtrado de películas
  • Ordenar valores
  • Repetición del proceso para otra película
  • Capítulo 9 Quiz

  • Conclusión
Load more modules

Instructor

Meta Brains

Meta Brains is a professional training brand developed by a team of software developers and finance professionals who have a passion for Coding, Finance & Excel. We bring together both professional and educational experiences to create world-class training programs accessible to everyone. Currently, we're focused on the next great revolution in computing: The Metaverse. Our ultimate objective is to train the next generation of talent so we can code & build the metaverse together!

Join over 1 Million professionals from the most renowned Companies in the world!

certificate

Empower Your Learning with Our Flexible Plans

Invest in your future with our flexible subscription plans. Whether you're just starting out or looking to enhance your expertise, there's a plan tailored to meet your needs. Gain access to in-demand skills and courses for your continuous learning needs.

Monthly Plans
Annual Plans
Save 20% with our annual plans!

Pro

Ideal for continuous learning, offering video-based learning with 840+ courses and diverse Learning Paths to enhance your skills.

$ 69.00
Billed monthly or $599.00 billed annually

What is included

  • 840+ Premium Short Courses
  • 70+ Structured Learning Paths
  • Validation of Completion with all courses and learning paths
  • New Courses added every month
Early Access Offer

Pro +

Experience immersive learning with Practice Labs and CTF Challenges for comprehensive skill-building.

$ 79.00
Billed monthly or $699.00 billed annually

Everything in Pro and

  • 1400+ Practice Lab exercises with guided instructions
  • 150+ CTF Challenges with detailed walkthroughs
  • New Practice Labs and Challenges added every month

Related Courses

1 of 50